中新網北京2月10日電 （記者 孫自法）施普林格·自然旗下國際學術期刊《自然－通訊》最新發表一項機器學習研究論文稱，對匿名手機數據進行基於機器學習的分析可以模擬並預報流感的傳播。這項研究顯示，這個移動地圖能夠準確預報紐約市和澳大利亞的流感傳播情況。
該論文指出，根據病毒性疾病在人羣中的傳播取決於感染者和未感染者之間的互動。目前用來預測疾病在一個城市或國家傳播的模型數據存在稀疏和不精確的問題，比如通勤調查或網上搜索數據。
為獲得一個更稠密的數據集，論文通訊作者、美國谷歌公司亞當·薩迪拉克（Adam Sadilek）和同事從打開“位置歷史記錄”功能的安卓手機上收集了匿名追蹤數據，並利用機器學習方法將這些數據拆分成單個“行程”，進而構建出一個人羣移動地圖。
他們藉助一個根據醫院掛號和檢驗數據進行校準的傳染病傳播模型，利用這個移動地圖預報了2016年至2017年紐約市內和周圍的流感活動。他們發現這個模型比常用的標準預報模型表現更好，和使用通勤調查數據差不多，但已知通勤調查數據收集起來成本更高。他們還預報了2016年流感季澳大利亞國內的流感傳播。雖然澳大利亞的人口更稀疏，流感動力學也不同，但這個模型依然能準確預測流感的高峯和低谷。
論文作者表示，現有的高分辨率移動數據來自手機通話記錄，這些記錄具有提供者特異性，一般無法反映跨境或跨國移動。位置數據沒有這方面的限制，因此對於監測長距離的疾病傳播更具潛力。
不過，這些數據在完整性上有欠缺，因為智能手機使用率低的小孩和老人的移動數據並不包含在內。雖然存在這些限制，但論文作者證明了利用手機數據預報流行病傳播的潛力，後續仍需開展進一步研究，以確定該方法是否也適用於新冠病毒（SARS－CoV－2）這類病毒性傳染病。